基于多特征信息的城市核心地物要素提取方法研究:以深圳市为例

为了解决由于空间分辨率低导致城市核心地物要素提取精度低的问题,笔者构建了适用于城市核心地物要素提取的卷积神经网络模型(convolutional neural network,CNNs),同时利用基于遥感影像提取的颜色、纹理和形状等多特征信息辅助城市地物要素提取。颜色、纹理和形状等多特征信息与CNNs模型提取的深层信息相结合,融合浅层与深层特征信息,充分挖掘影像数据中的高级语义信息,能够有效地提高结果精度。实验结果表明,CNNs模型减少了模型参数量与复杂度,模型收敛速度快,具有较高的提取精度、泛化能力和鲁棒性,总体精度为97.49%,Kappa系数为0.9575。该研究可以为城市发展与规划提供技术支持。

基于多特征信息融合技术的局部放电模式识别研究

针对单一特征信息分析模式独立辨识不能有效、可靠地判断出局部放电(PD)类型致使识别"误诊"的问题,以及为了最大限度地利用特高频(UHF)传感器所获取的丰富绝缘状态信息,利用放电时间、放电相位分布及UHF能量与放电量相关性等3类特征信息的共性和差异性进行融合互补,提出一种基于多特征信息融合的PD模式识别方法。通过在一套三相分箱式真实GIS(ZF-10-126)试验平台上实测所得的PD试验信息进行分析其结果表明:3类特征信息独立辨识各类缺陷的准确度存在较大差异性和不确定性,但有着各自优势。而采用D-S证据理论进行3类特征信息融合PD模式识别技术,可对3类特征信息独立识别法各自存在的不足进行互补,具有更高更准确的辨识率和可靠性。至此验证了所提方法的有效性与正确性。

融合多特征信息的模式识别方法

研究在有不确定知识的情况下 ,融合多种类特征信息的模式识别方法 .首先用模糊逻辑表示关于对象的具有不确定性的经验知识 ,通过模糊推理可由特征得到关于对象的用基本概率分配函数表示的具有不确定性的模式分类信息 .然后利用 D- S证据推理的方法最大程度地消除其不确定性 ,得到对象的最终分类结果 .仿真结果证明 ,该方法对处理具有多种类特征且带有不确定性知识的一类模式识别问题是有效的 .通过将模糊推理方法与证据理论的结合能有效利用多种特征的不确定知识对目标进行分类 .

多特征信息融合的贝叶斯网络故障诊断方法研究

针对轴向柱塞泵故障特征的模糊性和不完备性特点,提出一种多特征信息融合与贝叶斯网络相结合的故障诊断方法。该方法从柱塞泵采集的振动信号中提取出频域和幅域的多个故障特征,并将这些特征当作来自多个不同传感器的多源信息。利用贝叶斯参数估计算法进行多特征信息融合。通过构造贝叶斯网络并建立贝叶斯分类器来简化融合后的结果,通过最大后验概率估计值的计算进行故障识别。经过轴向柱塞泵多故障模式的诊断实验,验证了该方法能够有效地实现柱塞泵柱塞松靴和脱靴故障的诊断。

双视角下多特征信息融合的步态识别

针对步态识别研究中单视角识别率低、多视角算法复杂等问题,开展了双视角下的步态识别研究.考察正面视角人体的轮廓特征和侧面视角人体行走的动态特征,利用多视角步态信息互补性强的特点,分别从正面视角和侧面视角获取步态序列,预处理得到单连通人体轮廓图形,然后对正面视角提取Procrustes均值形状,侧面视角计算动作能量图(AEI)并经二维局部保留映射(2D-LPP)降维,最后将2个视角下的识别结果进行融合从而获得最终的识别结果.在中科院自动化所的DatasetB数据库上进行了实验,获得了较高的识别率,达到了预期的识别效果.

基于多特征信息融合的陶瓷墙地缺陷在线检测

针对陶瓷墙地砖表面多种缺陷的检测问题,提出一种基于多特征信息融合的缺陷在线检测方法。该方法借助自适应神经模糊推理系统构建缺陷辨识器,对陶瓷墙地砖表面多种缺陷的各类特征值进行计算及信息融合,从而实现对这些缺陷的精确辨识。实验表明:该方法可准确有效地完成陶瓷墙地砖表面多种缺陷的在线检测工作。

基于多特征信息融合与进化计算的碎片重组

三维碎片的拼接重组对文物修复具有重要意义.针对薄壁类器型难以提取断裂区域特征以及碎片组间如何通过组合优化得到最终修复方案的问题,本文提出基于多特征信息融合与进化计算的碎片重组方法.通过提取改进的曲率特征以及挠率特征实现断裂区域的量化,同时进行碎片间的匹配以及拼接;提出球体空间点共存检测算法对断裂面拼接贴合程度进行度量;针对传统方法在最终拼接时存在的回溯危机,设计反映全局拼合效果的进化计算,通过迭代优化出全局最佳拼合方案,完成三维碎片的拼接重组.实验结果表明,该方法能有效地完成多类碎片结构的拼接重组,精度可达98.92%,极大地提高了修复精准度与效率.

基于多特征信息融合的医院统战档案信息存储加密系统设计

面对爆炸式增长的医院档案信息,其存储加密系统的加密安全性亟待加强。因此,文章基于多特征信息融合的医院统战档案信息存储加密系统这一课题。硬件方面设计了XC7Z015芯片与SATA存储器。软件上,建立医院统战档案信息采集模块,完整采集医院档案信息;基于多特征信息融合进行档案信息加密处理,防止医院内部信息遭到泄露;设计统战档案信息存储数据库,缩短数据信息查询时间,进而实现医院统战档案信息的安全存储加密。采用系统测试的方式,验证新系统的加密存储效果更佳,极具推广价值。

多特征扩展信息滤波在RGB-D点云数据中的应用

针对RGB-D相机获取的数据在全局拼接中由于单点精度不高而导致误差累积的情况,提出一种多特征扩展信息滤波模型(multi feature extended information flter,MEIF)。利用迭代最近点(iterative closest points,ICP)算法获取场景内的点特征,利用区域面生长法平面拟合得到的空间平面参数作为面特征,构建多特征加权扩展信息滤波模型,实现对RGB-D相机数据的全局拼接。实验证明,该方法对误差累积的消弱有一定的作用,对RGB-D数据在室内场景生成的应用具有一定的参考价值。

基于最小二乘的多特征概率数据关联EM方法

提出了一种多目标多特征信息的数据关联算法。在强噪声密集杂波环境下,针对传统PDA算法对多目标跟踪时出现精度较差的问题,在跟踪过程中融入目标的特征状态信息,利用期望极大化(EM)算法对目标状态估计的最小二乘(LS)误差函数迭代求最小,将目标运动状态和特征联合的关联概率作为估计参数不断修正,从而获得对目标状态的最优估计。仿真结果表明,该算法能够增强区分目标和杂波的能力,减小相近特征量测所引起的跟踪误导,弱化对检测概率的依赖性,显著并稳定地提高对目标的跟踪精度。

基于速度分区与多信息利用的数据关联算法

针对海面目标密集且类型多样、杂波虚警点多导致跟踪过程中错误关联率高的问题,提出一种基于速度分区与多信息利用的海面目标关联算法。该算法首先将所关心的目标按其速度大小分成3类,分别对应不同的速度区间;在每个速度区间内,设置不同的距离和速度波门,并结合目标的形状大小、幅度、紧凑程度等特征信息分别采取不同的关联规则,然后对海面目标航迹进行滤波处理;实测数据处理结果表明,该算法能够获得良好的跟踪效果。

基于动态多特征融合策略的粒子滤波跟踪算法研究

图像序列目标跟踪技术在军用和民用上都有十分重要的意义,粒子滤波利用蒙特卡罗方法完成贝叶斯递推,在非线性、非高斯系统中得到了广泛的应用并取得了良好的效果。但其自身也存在粒子贫化、建议分布选择以及实时性等弊端。本文利用粒子滤波算法将运动目标特征有效融合,实验结果表明,对缓解粒子贫化问题,跟踪的鲁棒性有一定的效果。

基于HOG特征提取和SVM的手势识别方法研究

手势识别是人机交互领域的一种重要手段,针对手势形态多样性和背景的复杂性导致识别率不高的问题,提出一种融合HOG+SVM的手势识别方法,该方法有效提高手势识别率。首先建立手势样本数据集,选择轮廓信息完整的手势图像作为模板,为了验证分割的高效性,采集6类手势的6,000张样本,提取两种局部二值模式特征和一种方向梯度直方图,对形态学处理后手势样本集提取HOG特征并进行降维处理,目的是提高手势识别速度,然后对手势轮廓和质心位置提取不同形态手势多特征信息,对两种特征进行归一化处理,精确地对手势信息进行识别,得到不同形态手势的特征,将最终的手势分类特征通过SVM进行分类识别。实验结果表明,本文提出的手势识别方法在复杂环境下识别率达到95%,具有较强的鲁棒性,满足人机交互的需求。

基于DST-PCR5多目标自适应视觉跟踪方法

复杂场景下实现快速稳定的自适应跟踪是视觉领域亟待解决的课题之一,利用目标的多特征信息进行高效融合是提升跟踪算法鲁棒性能的重要途径。基于DST(Dempster-Shafer theory)和PCR5(proportional conflict redistribution No.5)设计了一种新的合并策略融合运动目标的颜色和纹理特征,在粒子滤波框架下建立复杂场景下的多目标自适应跟踪模型,最终实现了复杂场景下多特征信息融合的自适应视觉跟踪。实验结果及性能分析表明,该方法在不良的跟踪条件下,高冲突证据的自适应处理能力得到明显改善,有效提高了粒子的使用效率和跟踪的鲁棒性,可以较好地实现复杂场景下准确、稳定的多目标跟踪。

驾驶员不良注视行为评价研究

为提高汽车驾驶员注视行为的安全性,应用视频检测技术构建驾驶员不良注视特征评价体系。基于驾驶过程中多作业工况的影响以及驾驶员个体注视行为特征的多元性,提出以驾驶员2个瞳孔间的距离作为表征驾驶员左右注视的参量,以嘴巴到双眼连线中点间的距离作为表征驾驶员俯仰注视的参量,二者合成"T"特征信息。以虹膜-巩膜比例与位置特征信息表征驾驶员的斜视行为,同时结合眼睛闭合度共同表征驾驶员不良注视特征的参量集合。采用多分类支持向量机(SVM)技术,对驾驶员不良注视行为进行模式分类与融合评价。结果表明,基于这3个参量对驾驶员注视行为进行融合判断,能够甄别其不良注视行为。

融合高分辨率遥感影像和POI数据的多特征潜在语义信息用于识别城市功能区

准确识别和划分城市功能区对合理规划城市发展和解决城市问题具有重要作用。遥感影像拥有丰富的光谱纹理特征但难以表征建筑物的社会经济属性,而社交媒体数据等城市数据为城市研究与应用提供了丰富的数据资源,补充了遥感影像所缺失的建筑物内在特征。融合高分辨遥感影像和POI数据的多特征信息,利用嵌入主题模型挖掘其潜在语义信息识别城市功能区。以宁波市2个典型的城市商业区为研究区设计3个实验,验证该方法的效果和性能。研究结果表明:该方法能够取得85.67%和85.78%的分类精度,并准确识别出城市功能区。同时,光谱、纹理、几何和POI特征组合的多特征信息能够明显提升城市功能区的识别精度,并且嵌入主题模型能够更好地挖掘多特征的高层次潜在语义信息,效果明显优于pLSA、LDA和STM 3种主流模型。

一种基于灰关联分析的多目标跟踪算法

针对多特征信息融合算法进行研究,给出了一种基于灰关联分析的多目标跟踪算法.该算法首先利用灰关联算法对多特征信息进行处理,然后利用证据距离法赋予各种特征信息不同的权重,进而利用D-S证据组合规则对多特征信息进行加权融合.将基于灰关联证据距离(GED)融合多特征信息的新算法与已有算法进行仿真对比,结果表明,本文所提新算法不仅具有较准确的目标跟踪精度,而且其时间花费较少.

基于Bi-LSTM的期货市场关联交易行为检测方法

随着期货市场的不断发展,其交易量屡创新高,但在海量交易的背后,一些交易者利用关联交易行为对市场进行操纵,扰乱了交易秩序,给市场监管和风险控制带来了严峻考验。因此,如何从海量交易中挖掘潜在关联交易行为成为维护期货市场公平交易的重要任务。针对该问题,提出了一种多特征信息融合的双向长短期记忆(Bi-LSTM)网络模型,从原始数据中提取交易时间、交易量、持仓变化、期货品种等多种维度的浅层特征信息,通过Bi-LSTM网络模型从时间序列上向前、向后两个方向的上下文关系学习深层特征,实现关联交易行为检测。针对浅层特征提取提出了一种基于交易行为的多粒度窗口特征提取方法,从日、小时、分钟、秒等级别捕捉账户间交易的关联性,从而解决了原始交易数据维度高、数据量大、关联性弱的问题。模型引入了Dropout策略,缓解了收敛速度慢和过拟合的问题。在郑州商品交易所真实数据上的实验结果表明,与一些传统的分类模型以及RNN和LSTM网络相比,所提方法在分类的准确率和召回率上有明显提升,同时,对特征中各个维度信息的消解实验证明了多特征融合方法和多粒度窗口策略的有效性。另外,抽取了两种期货品种的交易数据进行测试,结果表明所提模型具有良好的泛化能力。